疲劳驾驶是交通事故的重要原因之一,严重威胁司机和乘客的人身安全和财产安全,有必要关注疲劳驾驶的识别、检测以及预防警告。目前识别疲劳状态的方法可以分为三类:基于心跳脉搏的检测方法,由于需要接触式测量,影响到司机的驾驶行为,所以不方便采用;根据面部信息的识别方法,虽然不影响驾驶员的驾驶,但此方法过于单一,不够准确,识别率偏低;依据操作行为和车辆运行状况的检验方法,具有实时性,成本不高,且方法简单容易实现,但是易受干扰,容易引起疲劳状态的错误识别和漏缺。对于某单一信号来源的检测技术不够稳定,易受外界环境干扰的问题,本文根据前人的研究,结合目前已有数据和机器学习,图像信息处理,以及生理信号提取等方法,提出基于面部特征和心跳脉搏信息的综合检测方法,提取人脸中的眼部特征和脉搏信号的时、频域特征参数,结合多重特征构建向量特征空间,使用基于主成分分析法(PCA)和支持向量机(SVM)的方法建立最后的疲劳状态识别器,达到对于驾驶疲劳识别的目的,本文的主要内容如下:使用根据基色分割和灰度积分投影的方式达到人眼状态特征的解算,基于肤色分割方法在图片中识别出人脸轮廓,之后使用灰度积分投影,从而分辨出人眼,接着计算出PERCLOS(单位时间内眼睛闭合时间所占的百分率)、开合度和眨眼频率等信号用以识别人眼状态的特征参数。运用基于小波变换的方法处理脉搏信号、提取时频域内多个参数。基于db6小波的构成达到脉搏信号的降噪、信号滤波等处理,接着采用自适应阈值法达到对滤波后的脉搏信号波峰特殊点的定位,在识别出此信息之后,提取脉搏信号时频域上的AVNM、SDNN、HF、LG等多个特殊参数。